《统计与品管DOEMinitab操作教程》由会员分享，可在线阅读，更多相关《统计与品管DOEMinitab操作教程（66页珍藏版）》请在金锄头文库上搜索。
1、SixSigma 1 DOEMinitab操作教程 1 男球鞋案例2 化学实验设计案例3 传统的一次一因子实验 SixSigma 2 1 男球鞋案例 1 资料登陆2 选择统计工具2samplet3 图形4 选择统计工具Pairedt5 图形6 为什么会得到不同的结论 SixSigma 3 1 资料登陆 1 把资料登陆到Minitab软件 输入资料的操作类似Excel软件 如下图 SixSigma 4 2 选择统计工具2samplet 路径 Stat BasicStatistics 2 Samplet 选择SamplesindifferentcolumnsFirst选择 MaterialA Se
2、cond选择 MaterialB 然后点击Graphs SixSigma 5 点击每一个方框 使其选中 然后单击OK SixSigma 6 点击到Session视窗 Resultsfor BOY SSHOE MTWTwo SampleT TestandCI MaterialA MaterialBTwo sampleTforMaterialAvsMaterialBNMeanStDevSEMeanMaterialA1010 632 450 78MaterialB1011 042 520 80Difference mu MaterialA mu MaterialB Estimatefordiffer
3、ence 0 41000095 CIfordifference 2 754808 1 934808 T Testofdifference 0 vsnot T Value 0 37P Value 0 717DF 17 H0 两种材料寿命没有差异Ha 两种材料寿命有差异P 0 05 接收H0 SixSigma 7 3 图形 两种材料没有显著差异 研发处的建议被拒绝 SixSigma 8 两种材料没有显著差异 研发处的建议被拒绝 SixSigma 9 4 选择统计工具Pairedt 路径 Stat BasicStatistics Pairedt 选择SamplesincolumnsFirstsamp
4、le 选择 MaterialA Secondsample 选择 MaterialB 然后点击Graphs SixSigma 10 点击每一个方框 使其选中 然后单击OK 然后回到Session窗口 PairedT TestandCI MaterialA MaterialBPairedTforMaterialA MaterialBNMeanStDevSEMeanMaterialA1010 63002 45130 7752MaterialB1011 04002 51850 7964Difference10 0 4100000 3871550 12242995 CIformeandifference
5、 0 686954 0 133046 T Testofmeandifference 0 vsnot 0 T Value 3 35P Value 0 009 H0 两种材料寿命没有差异Ha 两种材料寿命有差异P 0 05 拒绝H0 SixSigma 11 5 图形 两种材料有显著差异 研发处的建议被接受 SixSigma 12 两种材料有显著差异 研发处的建议被接受 SixSigma 13 两种材料有显著差异 研发处的建议被接受 SixSigma 14 6 为什么会得到不同的结论 到底我们该相信那个结论 不了解基本的统计观念会有什么坏处 SixSigma 15 2 化学实验设计案例 Factor
6、 因子 Level 水準 Temperature T 160180Concentration C 2040Catalyst K AB讨论 因子为在此实验中要被研究的变数 水准代表因子的设定 负水准 代表较小的值正水准 代表较大的值 SixSigma 16 一个23因子设计 3因子二水准 Minitab中的标准实验设计步骤 1 建构实验设计2 分析实验过程3 解读实验结果 SixSigma 17 1 建构实验设计 方法论 Stat DOE Factorial CreateFactorialDesign TypeofDesign 选择设计种类 NumberofFactors 选择因子数目 Desi
7、gn 选择设计 解析度 中心点 反复数 Factor 输入名称和水准 Options 取消 随机化选项 执行实验 收集实验数据 SixSigma 18 Minitab Stat DOE Factorial CreateFactorialDesign 选择设计种类 选择因子数目 SixSigma 19 选择设计 解析度 中心点 反复数 Design SixSigma 20 Factor 输入名称和水准 输入名称和水准 SixSigma 21 Options 取消 随机化选项 在正式实验时不能取消此项选择 此处仅教学使用 正常实验要随机进行 SixSigma 22 实验矩阵 因子A因子B因子C S
8、ixSigma 23 执行实验 收集实验数据 打印实验矩阵 执行实验 收集实验数据 将数据登陆到Minitab SixSigma 24 2 分析实验过程 Stat DOE Factorial AnalyzeFactorialDesign Response 输入回应值 Terms 选取分析因子 全因子 变数和交互作用部分因子 仅变数 Graphs 主因图 常态机率和柏拉图 CubePlot 残差图 SixSigma 25 Stat DOE Factorial AnalyzeFactorialDesign 输入回应值 SixSigma 26 Terms 选取分析因子 全因子选3部分因子选1或2 S
9、ixSigma 27 Graphs 选择图表 SixSigma 28 效应柏拉图 超过红线代表效应显著 SixSigma 29 常态机率图 跳到线外的红点表示因子显著 SixSigma 30 Stat DOE Factorial FactorialPlots 分别选择Setup SixSigma 31 选择Responses及因子 SixSigma 32 InteractionPlot SixSigma 33 MainEffectsPlot SixSigma 34 CubePlot SixSigma 35 3 解读实验结果 解读Minitab输出 检验ANOVA表格 缩减模式 最佳模式 检验图
10、表 交互作用 主效应 立体 残差 及等方差图 考虑实际上为显著的效应 计算效应在模式中的百分比 数学模式 残差分析 SixSigma 36 ANOVA表格 EstimatedEffectsandCoefficientsforYield codedunits TermEffectCoefConstant64 250Temperature23 00011 500Concentration 5 000 2 500Catalyst1 5000 750Temperature Concentration1 5000 750Temperature Catalyst10 0005 000Concentrati
11、on Catalyst 0 000 0 000Temperature Concentration Catalyst0 5000 250AnalysisofVarianceforYield codedunits SourceDFSeqSSAdjSSAdjMSFPMainEffects31112 501112 50370 833 2 WayInteractions3204 50204 5068 167 3 WayInteractions10 500 500 500 ResidualError0 Total71317 50 我们之前计算的效应 我们之前计算的系数 误差项目自由度为零 SixSigma
12、 37 EstimatedCoefficientsforYieldusingdatainuncodedunits TermCoefConstant 85 5000Temperature0 925000Concentration 1 52500Catalyst 71 5000Temperature Concentration0 00750000Temperature Catalyst0 425000Concentration Catalyst 0 425000Temperature Concentration Catalyst0 00250000AliasStructureTemperature
13、ConcentrationCatalystTemperature ConcentrationTemperature CatalystConcentration CatalystTemperature Concentration Catalyst SixSigma 38 缩减模式 改变选取的项目 移除最小的效应检视机率图柏拉图ANOVA表格重复移除下一个最小的效应一直持续到模式为 最佳模式 最佳模式 的提示不需要移除太多的项目保留一些不显著的项目已确认没有错误的移除显著的项目 SixSigma 39 因子AB是否真的显著 SixSigma 40 将Alpha设为0 01 SixSigma 41
14、因子AB并不显著 SixSigma 42 最佳模式 两个变数和一个交互作用统计上是显著的 SixSigma 43 最佳模式的ANOVA表格 TermEffectCoefSECoefTPConstant64 2500 4564140 760 000Temperature23 00011 5000 456425 200 000Concentration 5 000 2 5000 4564 5 480 012Catalyst1 5000 7500 45641 640 199Temperature Catalyst10 0005 0000 456410 950 002S 1 29099R Sq 99
15、62 R Sq adj 99 11 AnalysisofVarianceforYield codedunits SourceDFSeqSSAdjSSAdjMSFPMainEffects31112 501112 50370 833222 500 0012 WayInteractions1200 00200 00200 000120 000 002ResidualError35 005 001 667Total71317 50 SixSigma 44 GLM分析 路径 Stat ANOVA Generallinearmodel 填入要分析的变数 SixSigma 45 GeneralLinearM
16、odel SourceDFSeqSSAdjSSAdjMSFPTemperature11058 001058 001058 00634 800 000Concentration150 0050 0050 0030 000 012Catalyst14 504 504 502 700 199Temperature Catalyst1200 00200 00200 00120 000 002Error35 005 001 67Total71317 50 SixSigma 46 计算ES 1 在资料表中设四个栏位Source DF SS ES2 自session视窗复制并贴上Source DF SS ES3 使用Minitab计算功能 将每一值除以TotalSS值并存储结果于ES SixSigma 47 复制并贴上Source DF SS ES SixSigma 48 计算ES SixSigma 49 ES代表每个变数和交互作用在总SS中所占百分比 SOURCEDFSSESTemperature11058 00 80304Concentration150 00 03795Catalyst14 5
